谁在记住你：Hermes、OpenClaw、Claude Code 等主流智能体的记忆架构深度横评
2026 年的 AI 智能体赛道已经走过了"谁能调用工具"的初赛阶段。Hermes Agent（Nous Research，150k stars）把封闭学习回路做成了开源 agent 的标志性功能；OpenClaw（Peter Steinberger，371k stars）用 20+ 消息平台网关拿到了当前最大的开源智能体用户基数；Claude Code（Anthropic，123k stars）以绑定自家模型的编程工具身份卡住了 IDE 赛道的头部位置；Crush（Charmbracelet，24k stars）在模型无关的编程智能体方向建立了自己的生态位。需要区分的是，它承接的是早期已归档的 opencode-ai/opencode 代码线，并不是当前 opencode.ai / anomalyco/opencode 这一活跃 OpenCode 项目的继任者。 这几类方案在功能清单上有大量重叠——都能读写文件、执行命令、调用外部工具。但把视角从功能清单转向记忆架构，差异立刻变得不可调和：有的方案每次会话结束就失忆，有的靠用户手写配置文件维持上下文，有的让 ...
当任务里藏着一个巨大的搜索子问题——RLMs、LLM Wiki、RAG 的降本提精路线图
很多看起来是「推理任务」的 LLM 工作，其实骨子里是搜索任务。问一份 10M token 的代码库里某个 bug 何时引入，问一份万字 PDF 的第 17 页和第 184 页的数字是否一致，问一段"最近三个月里所有和 Symphony 架构有关的 commit 和 blog"——这些题目的共同点是，答案必须从一个远超模型上下文窗口的语料里找出来，推理只是最后一公里，前面 99% 的距离是检索。 这篇文章围绕一个具体问题展开：当任务里藏着一个巨大的搜索子问题，当前 LLM 社区在「降低搜索成本」和「提高搜索精度」两条线上各自走到了哪一步？ 选取三个互相咬合的锚点：递归语言模型（Recursive Language Models, RLMs）、LLM Wiki 范式、以及 RAG 家族自身在 2024–2026 年的演进。三者并列，不是因为它们属于同一层，而是因为它们从三个不同的抽象层次攻击同一个搜索成本问题。 一张图先把坐标系摆好 一个 LLM 应用要处理超出单次上下文窗口的知识，历史上只有四条路： 参数化记忆：把知识预训练或微调进模型权重里。代价是更新贵、...
Superpowers 的 skill 体系：规则引擎、流程编排与纪律约束
Superpowers 的 skill 体系：规则引擎、流程编排与纪律约束 Superpowers 是 Jesse Vincent 为各类 coding agent（Claude Code、Codex、Cursor、Gemini CLI 等）开发的一套方法论插件。它不是一组工具，也不是一个框架，而是一套通过 skill 组合出来的软件工程流程。 初次翻阅 README.md 会产生一个直觉：using-superpowers 看起来像所有 skill 的入口，是不是应该由它渐进式地调度其余 skill？深入读完全部 skill 文档后，这个直觉只说对了一半。 一个更根本的问题是：skill 到底是什么？从文件系统看，每个 skill 就是一个目录，目录里有一份 SKILL.md，最多再带几个 reference 或工具脚本。从运行时看，skill 是一段被 agent 按需加载进上下文的 prompt。但这都不是重点。Superpowers 在 AGENTS.md 里用了一个更准确的说法——skill 是 behavior-shaping content，它是写给 agent 看...
OpenAI Symphony 深度研究，一次从「监督 Agent」到「管理工作」的编排改造
2026 年 3 月初，OpenAI 在 GitHub 上公开了 openai/symphony 仓库。这个仓库很容易被误读成「一份 SPEC 加一点示例代码」，因为根目录 README 把第一个选项写成了「让你喜欢的 coding agent 按 SPEC.md 自己实现一版」。但真正打开目录看，仓库里有三块东西：根目录的 SPEC.md，一套可以构建和运行的 elixir/ 参考实现，以及 .codex/、.github/media/ 这类围绕 Codex workflow、演示视频和工程素材组织起来的配套内容。elixir/README.md 里的启动命令不是伪代码，而是完整的本地构建链路：mise exec -- mix setup、mise exec -- mix build，最后用 ./bin/symphony ./WORKFLOW.md 启动服务 [Symphony Elixir README]。 所以 Symphony 首先不是一篇规范文档，而是一个被拆成两层发布的工程项目：SPEC.md 说明什么叫 Symphony，elixir/ 证明这套东西能作为一个长驻服...
Warp：从终端到 ADE 的五年深研
2026 年 4 月 28 日，Warp 把客户端源码扔到了 GitHub 上，AGPL 许可，OpenAI 作为 founding sponsor，配套的云端 agent 编排平台 Oz 由 GPT 系列模型驱动。这家公司累计公开融资约 $73M，接近 100 万活跃开发者，在 SWE-bench Verified 和 Terminal-Bench 上挤进过前列，现在把"怎么造自己"这件事交给社区和 agent 一起做。 开源是一个分水岭事件，但理解这件事的意义需要往前拉。Warp 这条产品线已经走了五年，从 2020 年一个 Rust + GPU 渲染的 macOS 终端开始，一步步变成今天的 Agentic Development Environment（ADE）——包含终端、原生代码编辑、多 agent 协同、云端编排。要看懂 2025-2026 年这个窗口爆出来的所有动作，得从它 2020 年的起点开始看。 下面是一次完整的横纵深研：纵向追 Warp 从 2020 到现在的发展线，横向对齐 Cursor / Claude Code / Windsur...
印度民主深度研究，一个七十八岁的「不可能」还在运行
中文网络上流传着一个说法，流传得相当广。每到印度大选季，总有人言之凿凿地说，那边光是因为选举暴力死的人，就有两万之数。 这个数字要是真的，就意味着在一个十四亿人口的国度，一次选举会在六个星期里、几百个选区中抬出两万具尸首。那已经不是什么「民主失灵」，是一场半内战。这种规模的死亡，但凡是真的，便不该是中文互联网角落里的谈资，而该是路透、BBC、半岛每一天头版的血色头条。 但把 V-Dem、Freedom House、ACLED、印度选举委员会（ECI）、印度内政部、ADR 这几家机构自 1984 年以来历次大选的数据一家一家对齐着看一遍，在任何一份一手来源里都找不到「两万」这个数字的出处。 这个说法有意思的地方，就在它错得并不彻底。它把数量级夸大了五十倍到一千倍，错得离谱；可它想指的那件事本身，却并非空穴来风。印度民主确确实实生着病，而且病灶触目惊心——只是病不长在「大选死人」这桩看得见的伤口上，病长在更深的地方，长在骨头缝里，长在肌理中间，寻常人一眼看不见，掀开皮来才知道疼得厉害。 下面这篇长文先从头到尾把印度民主这套东西梳一遍，看它是怎么在一片文盲率极高、种姓四裂、十几种语言、...
从 Skill 到 Skills 2.0：Anthropic 这半年怎么把 Agent Skills 做进软件工程
为什么需要 Skills 用 Claude Code 或者 Cursor 写一段时间代码，总会碰到同一种场景：模型通用能力很强，但一旦要求按公司内部流程办事，比如按团队的 commit 规范写一条 commit message、按固定模板出一份项目周报、按财务系统的字段填一份报销单，它立刻变回一个刚入职三天的实习生——不会写倒不是主要问题，它只是不知道这边是怎么干这件事的。 Anthropic 2025 年 10 月开始填这个坑，做出来的东西叫 Agent Skills。 时间线 2025 年 10 月 16 日：Skills 诞生 Anthropic 工程博客发了《Equipping agents for the real world with Agent Skills》，署名 Barry Zhang、Keith Lazuka、Mahesh Murag，文末缀了一句 “who all really like folders”。 文章对 Skill 的定义很朴素：一个 Skill 就是一个文件夹，里面有一个 SKILL.md，外加可选的脚本、参考文档和资源文件。SKILL.md ...
Karpathy 视角下的 LLM 编码缺陷：四条行为准则的深度解析
LLM 编码的自作主张 长期用 Claude Code、Cursor、Copilot 写代码的人大概都熟悉一种感觉：模型并不是不会写，而是写得太多、太聪明、太自作主张。让它修一个 bug，它顺手把无关代码风格也改了；让它加一个简单功能，它给你抽象出三层接口和一套配置系统；让它重构 X，它没问清楚 X 的边界就开始动手。 Andrej Karpathy 在 X 上发过一段对这类问题的精炼归纳，forrestchang 把它整理成了一个 GitHub 仓库 andrej-karpathy-skills，提供一份 60 多行的 CLAUDE.md，外加 Claude Code Plugin 的安装方式。这个仓库的内容可以同时用于 Claude Code、Cursor 以及任何支持 CLAUDE.md 形态的 LLM 编码工具。 这篇文章想讨论三件事：Karpathy 到底诊断出了哪四个偏差、对应的四条行为准则怎么用、以及一个更实际的问题——这套准则到底应该装成 skill 还是直接写进 CLAUDE.md。 Karpathy 观察到的四个系统性偏差 仓库 README 引用了 Karp...
共和党还剩几个派系？——MAGA、Freedom Caucus 与特朗普的党内权力
一个流行的说法是：共和党已经不是原来那个共和党了，它是"MAGA 党"。 这个说法一半对、一半不对。从 2016 年到 2025 年，共和党在党纲、人事、候选人提名、外交立场上都被特朗普翻了个底朝天，2024 年党代会通过的新党纲整篇读下来像是他本人的竞选演讲。但共和党并没有"合并"成一个 MAGA 整体，它内部的派系其实比民主党还多、还乱。特朗普不是消灭了派系，而是压过了派系，所有派系都必须围绕他重新定义自己的位置。 几个绕不开的问题：共和党现在到底有哪些派系？"MAGA 党"这个说法成立到哪一步？特朗普对党的控制力深到什么程度？那个动不动就上新闻的 Freedom Caucus（自由连线/自由党团）到底是干什么的？ 一、先搞清一个常识：美国国会的"党"不是铁板一块 和很多东亚国家的政党不同，美国两党都没有党中央、没有党纪处分，也没有"开除党籍"这回事。国会山上真正在运作的不是"党"，而是一堆自愿组成的党团（caucus）。一个议员同时加入三四个 caucu...
美国警察暴力与大规模监禁深度调查
每当 George Floyd、Tyre Nichols 这样的名字登上头条，一个老问题就会被重新提起：美国警察每年到底打死多少人？其中多少死于枪杀？ 这个问题听起来应该有标准答案。美国是世界上数据最透明的国家之一，但联邦政府长期拿不出一份准确的官方数字。真正可靠的数据来自《华盛顿邮报》、《卫报》和一群志愿者搭起来的民间数据库，它们与 CDC 官方统计之间的鸿沟，是这个国家在公共安全治理上最尴尬的一道伤口。 本文用多个独立来源交叉核对，回答两个核心问题：一年死多少？多少死于枪？顺带解释，为什么这个看似简单的数字，在美国是一道几十年没解决的统计难题。 讨论警察暴力绕不开它的另一头——监狱。前端是警察在街头打死公民，后端是国家把公民关到老，两件事共享同一套刑事司法系统、同一套政治激励。所以本文分成两部分：前七节谈警察致死，后九节谈大规模监禁。只写一半，就永远只看到了半张脸。 第一部分 · 警察暴力 一、每年约 1,300 人死于警察之手 根据 Mapping Police Violence（MPV，由 Campaign Zero 维护）的 《2024 Police Violence...
